Аналіз методів відбору в генетичних алгоритмах

Автор(и)

  • Nataliya Gulayeva Гулаєва Наталія Михайлівна – кандидат фізико-математичних наук, доцент, доцент кафедри інформатики факультету інформатики Національного університету «Києво-Могилянська академія», Україна
  • Artem Ustilov Устілов Артем Олександрович – студент 4-го року навчання бакалаврської програми «Комп’ютерні науки» факультету інформатики Національного університету «Києво-Могилянська академія», Україна

DOI:

https://doi.org/10.18523/2617-3808.2021.4.29-43

Ключові слова:

генетичні алгоритми, методи відбору, пропорційний відбір, відбір за методом рулетки, масштабування функції пристосованості, відбір за рангом, турнірний відбір, відбір відтинанням, шум відбору, тиск відбору, час поглинання, інтенсивність відбору, швидкість росту, втрата різноманітності, швидкість репродукції, обчислювальна складність

Анотація

Розглянуто методи відбору, що використовуються в генетичних алгоритмах із генераційним типом репродукції. Наведено основні теоретичні відомості про такі властивості методів відбору: шум, тиск, швидкість росту, швидкість репродукції, обчислювальна складність. Проведено порівняльний аналіз методів відбору за зазначеними властивостями. Охарактеризовано та проілюстровано зміни в розподілі коефіцієнта пристосованості особин популяції після застосування різних методів відбору.

Біографії авторів

Nataliya Gulayeva, Гулаєва Наталія Михайлівна – кандидат фізико-математичних наук, доцент, доцент кафедри інформатики факультету інформатики Національного університету «Києво-Могилянська академія»

ngulayeva@yahoo.com

Artem Ustilov, Устілов Артем Олександрович – студент 4-го року навчання бакалаврської програми «Комп’ютерні науки» факультету інформатики Національного університету «Києво-Могилянська академія»

artem.ustilov@gmail.com

Посилання

  1. Baker, J. E. (1987, July 28–31). Reducing bias and ineffiency in the selection algorithm. [Conference paper] Genetic algorithms and their applications: proceedings of the Second International Conference on Genetic Algorithms, Massachusetts Institute of Technology, Cambridge, MA.
  2. Bäck, T. (1996). Evolutionary algorithms in theory and practice: Evolution stratagies, evolutionary programming, genetic algorithms. New York: Oxford University Press.
  3. Bäck, Т., Fogel, D. B. & Michalewicz, Z. (Eds.) (1997). Handbook of Evolutionary Computation, Release 97/1. New York, US: Oxford University Press; Bristol: Institute of Physics Publishing. Retrieved from http://cdn.preterhuman.net/texts/science_ and_technology/artificial_intelligence/The%20Handbook%20 of%20Evolutionary%20Computation%20-%20Kenneth%20 De%20Jong.pdf.
  4. Brindle, A. (1980). Genetic algorithms for function optimization [Doctoral dissertation, Edmonton, Canada: University of Alberta]. Retrieved from https://era.library.ualberta.ca/items/ 58923fb3-9557-448f-aedb-a82e95d1067e.
  5. Eiben, A. E. (2007). Introduction to evolutionary computing. Springer. Retrieved from http://www.cs.vu.nl/~gusz/ecbook/ ecbook.html.
  6. Glybovets, M. M. & Gulayeva, N. M. (2013). Evoliutsiini alhorytmy: pidruchnyk. Kyiv: NaUKMA [in Ukrainian].
  7. Kumar, R., & Jyotishree (2012). Blending Roulette Wheel Selection & Rank Selection in Genetic Algorithms. International Journal of Machine Learning and Computing, 2 (4), 365–370. Retrieved from http://www.ijmlc.org/show-32-116-1.html.
  8. Skobtsov, Yu. O. (2008). Osnovy evoliutsionnykh vychislenij: uchebnoe posobie. Donetsk: DonNTU [in Russian].
  9. Subbotin, S. O., Oliinyk, A. O. & Oliinyk, O. O. (2009). Neiteratyvni, evoliutsiini ta multyahentni metody syntezu nechitko lohichnykh i neiromerezhnykh modelei: monohrafiia. Zaporizhzhia: ZNTU.
  10. Mitchell, M. (1998). An introduction to genetic algorithms. Cambridge, MA: MIT Press.

##submission.downloads##

Опубліковано

2021-12-10

Як цитувати

[1]
N. Gulayeva і A. Ustilov, «Аналіз методів відбору в генетичних алгоритмах», NRPCOMP, т. 4, с. 29–43, Груд 2021.